著名的基于hausdorff距离模糊匹配的图像处理方法。-Hausdorff distance from the famous fuzzy matching based on image processing methods

前视红外目标识别是精确制导武器的关键技术。实际应用中，模板和实时图存在尺度和角度的差异，易导致误匹配。为克服上述问题，提出了一种基于边缘仿射不变坐标的前视红外目标识别算法。以边缘曲线的区域质心为基准点建立局部坐标系，在此坐标系下，边缘点的坐标值具有仿射不变；将边缘的坐标集合作为描述子，利用平均hausdorff 距离度量边缘的相似性；最后结合边缘的相对位置剔除误匹配，实现前视红外目标的稳健识别。通过三组实验，与基于灰度模板和基于边缘模板的识别算法相比，识别率和稳健性均有所提高。

modhausdorff distance 改进的hausdorff距离 modhausdorff distance 改进的hausdorff距离

Hausdorff 距离是一种数学构造，用于测量作为度量空间子集的两组点的“接近度”。 这种度量可用于为两个轨迹、数据云或任何一组点之间的相似性分配标量分数。 此函数将返回两组点之间的 Hausdorff 距离。 有关 Hausdorff 距离的更多信息： http : //en.wikipedia.org/wiki/Hausdorff_distance

matlab开发-HausdorffDistance。计算两点云之间的豪斯道夫距离。

Hausdorff距离在图像匹配领域广泛应用。针对Hausdorff距离结合一些搜索策略的匹配算法实时性不高的问题，提出了一种基于改进Hausdorff距离和人工蜂群算法搜索策略的图像快速匹配。首先提取模板图像和匹配子图的边缘特征，然后计算的模板图像和匹配子图的Hausdorff距离作为两者的相似度量标准，最后采用人工蜂群算法进行搜索匹配。实验结果表明，该方法在不降低匹配率的情况下，缩短了匹配时间，能应用到嵌入式领域。

最原始的hausdorff距离 matlab函数 未经改进的

最原始的hausdorff距离 matlab函数 未经改进的 最原始的hausdorff距离 matlab函数 未经改进的

基于改进Hausdorff距离的轨迹聚类算法.pdf

%% 这个简单的代码计算两个点云之间的 Hausdorff 距离。 % 设 A 和 B 是度量空间 (Z,dZ) 的子集， % A 和 B 之间的 Hausdorff 距离，用 dH (A, B) 表示，定义为： % dH(A, B)=max{sup dz(a,B), sup dz(b,A)}，对于A中的所有a，B中的b， % dH(A, B) = max(h(A, B),h(B, A)), % 其中 h(A, B) = max(min(d(a, b))), % 和 d(a, b) 是 L2 范数。 % dist_H = hausdorff( A, B ) % A：第一点集。 % B：第二点集。 % ** A 和 B 可以有不同的行数，但必须有相同的列数。 ** % 哈桑·拉德瓦尔-埃斯法兰； 魁北克大学； ET; 蒙特利尔； 加拿大.06.2010 %%